數(shù)據(jù)挖掘中幾種劃分聚類算法的比較及改進(jìn).pdf

1、數(shù)據(jù)挖掘技術(shù)是一種多學(xué)科交叉的新興技術(shù)，它是隨著數(shù)據(jù)的大量積累以及市場競爭對信息與知識的迫切需求而產(chǎn)生和發(fā)展起來的，并逐漸成為人們關(guān)注的熱點。聚類分析是數(shù)據(jù)挖掘領(lǐng)域中一個較活躍且極具挑戰(zhàn)性的研究方向。目前聚類算法中比較流行且應(yīng)用比較廣泛的劃分聚類算法主要有K-均值、K-調(diào)和均值、模糊C-均值和譜聚類等劃分算法。但這些算法自身都存在一些缺陷，例如對初始點敏感、不適用于大數(shù)據(jù)以及收斂速度慢等。 主成分分析是一種將分散在一組變量上的信

2、息集中到某幾個綜合指標(biāo)(主成分)上的探索性統(tǒng)計分析方法，同時也是一種數(shù)據(jù)降維處理技術(shù)。本文借助主成分分析的一些優(yōu)點，提出一種基于最大或次大特征值的主成分分析(PCA)聚類算法。該算法同時結(jié)合主成分分析以及所選擇的聚類算法的優(yōu)點，通過數(shù)值實驗表明該算法是一個有效可行的算法。同時，根據(jù)聚類分析中距離度量的重要性，本文在K-均值算法中引用了一種新的距離度量，得到了改進(jìn)的K-均值聚類算法。該算法通過一個參數(shù)的調(diào)節(jié)可以達(dá)到非常好的聚類效果。